Contexte du marché du travail
Le secteur de la construction fait face à un déficit de 349 000 travailleurs supplémentaires cette année, selon l’association Associated Builders and Contractors. Ce manque s’accentue avec le vieillissement de la main‑d’œuvre et le durcissement des politiques d’immigration. Les projets de data‑centers illustrent la tendance : le campus Hyperion de Meta requiert environ 5 000 ouvriers, tandis que le site Stargate d’OpenAI a mobilisé 6 400 personnes, contre 750 à l’époque des premiers grands sites.
Ces pénuries de personnel sont identifiées par Kelly comme un facteur limitant la construction de nouvelles infrastructures, même si les exigences en capital et en énergie sont plus médiatisées.
Architecture et fonctionnement du produit
NavigateAI propose une assistance vocale en mode mains‑libres, accessible via smartphone ou les lunettes d’IA de Meta. L’utilisateur pointe la caméra sur l’élément à installer et interroge le système en langage naturel : vérification du couple de serrage, conformité aux normes, etc. Le backend interroge en temps réel les spécifications de construction, les manuels fabricants et les politiques internes, puis renvoie la réponse à l’appareil.
Le service repose sur des modèles de langage large (LLM) hébergés sur l’infrastructure de Meta, couplés à un moteur de recherche spécialisé dans les bases de données de construction. L’intégration avec les lunettes nécessite une certification de sécurité pour les environnements où le port de protection oculaire est obligatoire.
Modèle économique et perspectives
La société a levé 25 M$ de seed capital en mai, à une valorisation post‑money de 225 M$, avec des investisseurs tels qu’Elad Gil, Khosla Ventures et le promoteur immobilier Lennar. Initialement tarifé par jeton + marge, le modèle a évolué vers une part de la valeur créée. Exemple fourni : une réduction du coût total d’une maison de 300 000 $ à 280 000 $ génère 20 000 $ d’économies, dont NavigateAI capte 20 % (soit 4 000 $).
Lennar dépense environ 9 Mrd $ annuellement en main‑d’œuvre et installation ; même une amélioration de 5 % à 10 % représenterait plusieurs centaines de millions de dollars de valeur potentielle pour NavigateAI.
À long terme, chaque intervention produit des vidéos egocentriques annotées, constituant un jeu de données rare pour la robotique et les systèmes d’automatisation de chantier.
Risques et limites
Le modèle basé sur la part de valeur crée un problème d’attribution : isoler l’impact de l’IA des variables externes (conditions météorologiques, compétences de l’équipe, disponibilité des matériaux) nécessite des tests A/B complexes et reste approximatif. Un différend sur l’attribution des économies pourrait entraîner des litiges, d’autant plus que certains investisseurs sont également clients.
L’adoption différée entre les jeunes travailleurs, plus enclins à la technologie, et les artisans expérimentés, réticents à porter un dispositif sur le visage, constitue une barrière d’usage. De plus, la responsabilité en cas d’erreur de validation (ex. connexion électrique défectueuse) expose NavigateAI à des risques de responsabilité civile dans un domaine déjà très litigieux.
Enfin, la concurrence provient des grands fournisseurs de LLM capables de proposer des solutions similaires, notamment Meta qui détient à la fois le matériel et les modèles. La différenciation de NavigateAI repose sur l’intégration de flux de travail spécifiques et sur l’accumulation de données propriétaires, un avantage qui pourrait s’éroder si un acteur majeur décide d’entrer rapidement sur le marché.
